Scrapers : endpoints de lancement à la demande et d'historique

La page admin appelait /admin/scrapers/logs et /admin/scrapers/run, absents de
l'API : 404 sur cet onglet.

- Nouvelle table scraper_runs (source, status, started_at, finished_at,
  documents_added, message), créée au boot par le create_all de entrypoint.sh.
- GET /admin/scrapers/logs : les 20 dernières exécutions, réservé aux admins.
- POST /admin/scrapers/run?source=CIR|SCCS : journalise puis lance le scraper en
  tâche de fond, et renvoie la ligne de journal attendue par le front. Refuse en
  409 si une exécution de la même source est déjà en cours.
- Le nombre de documents ajoutés est mesuré avant/après, comme le fait déjà le
  cron hôte.

Les imports de scrapers sont tardifs : ollama/pdfplumber/bs4 sont lourds et ne
servent qu'ici, inutile de les charger au démarrage de l'API.

Co-Authored-By: Claude Opus 5 (1M context) <noreply@anthropic.com>

api/main.py

@@ -1,9 +1,10 @@
-from fastapi import FastAPI, Depends, HTTPException, status
+from fastapi import BackgroundTasks, FastAPI, Depends, HTTPException, status
 from fastapi.middleware.cors import CORSMiddleware
 from sqlalchemy import text
-from datetime import timedelta
+from datetime import datetime, timedelta, timezone
+from zoneinfo import ZoneInfo
 from database.database import SessionLocal
-from database.models import Document, User
+from database.models import Document, ScraperRun, User
 from api.auth import (
     UserLogin, UserCreate, Token, UserResponse, RoleUpdate,
     get_password_hash, verify_password,
@@ -213,3 +214,97 @@ def admin_delete_document(doc_id: int, token: str):
     db.commit()
     db.close()
     return {"message": "Document supprimé"}
+# ── Scrapers ─────────────────────────────────────────────────
+# Les scrapers tournent aussi via le cron hôte (scripts/regwatch-scrape.sh,
+# dimanche 3h). Ces endpoints permettent de les déclencher à la demande depuis
+# la page admin et de consulter l'historique des exécutions.
+
+SCRAPER_SOURCES = ("CIR", "SCCS")
+PARIS = ZoneInfo("Europe/Paris")
+
+def _serialize_run(run: ScraperRun) -> dict:
+    started = run.started_at.astimezone(PARIS) if run.started_at else None
+    return {
+        "id":              str(run.id),
+        "when":            started.strftime("%d/%m/%Y %H:%M") if started else "—",
+        "source":          run.source,
+        "status":          run.status,
+        "documents_added": run.documents_added or 0,
+        "message":         run.message,
+    }
+
+def _execute_scraper(run_id: int, source: str) -> None:
+    """Exécuté en tâche de fond : lance le scraper puis clôt la ligne de journal."""
+    # Import tardif : ollama/pdfplumber/bs4 sont lourds, inutile de les charger
+    # au démarrage de l'API alors qu'ils ne servent qu'ici.
+    from scrapers.cir_scraper import scrape_cir
+    from scrapers.sccs_scraper import scrape_sccs
+
+    db = SessionLocal()
+    run = db.query(ScraperRun).filter(ScraperRun.id == run_id).first()
+    run.status = "running"
+    db.commit()
+    before = db.query(Document).filter(Document.source == source).count()
+    db.close()
+
+    status, message = "success", None
+    try:
+        if source == "CIR":
+            scrape_cir()
+        else:
+            scrape_sccs()
+    except Exception as exc:
+        status, message = "error", str(exc)[:500]
+
+    db = SessionLocal()
+    run = db.query(ScraperRun).filter(ScraperRun.id == run_id).first()
+    run.status = status
+    run.message = message
+    run.documents_added = max(db.query(Document).filter(Document.source == source).count() - before, 0)
+    run.finished_at = datetime.now(timezone.utc)
+    db.commit()
+    db.close()
+
+@app.get("/admin/scrapers/logs")
+def admin_scraper_logs(token: str, limit: int = 20):
+    require_admin(token)
+    db = SessionLocal()
+    runs = db.query(ScraperRun).order_by(ScraperRun.id.desc()).limit(limit).all()
+    result = [_serialize_run(r) for r in runs]
+    db.close()
+    return result
+
+@app.post("/admin/scrapers/run")
+def admin_scraper_run(token: str, source: str, background_tasks: BackgroundTasks):
+    require_admin(token)
+
+    source = source.upper()
+    if source not in SCRAPER_SOURCES:
+        raise HTTPException(status_code=400, detail=f"Source inconnue : {source}")
+
+    db = SessionLocal()
+    already = (
+        db.query(ScraperRun)
+        .filter(ScraperRun.source == source, ScraperRun.status.in_(("pending", "running")))
+        .first()
+    )
+    if already:
+        payload = _serialize_run(already)
+        db.close()
+        raise HTTPException(status_code=409, detail=f"Un scraper {source} est déjà en cours (#{payload['id']})")
+
+    run = ScraperRun(
+        source=source,
+        status="pending",
+        started_at=datetime.now(timezone.utc),
+        documents_added=0,
+    )
+    db.add(run)
+    db.commit()
+    db.refresh(run)
+    payload = _serialize_run(run)
+    run_id = run.id
+    db.close()
+
+    background_tasks.add_task(_execute_scraper, run_id, source)
+    return payload

database/models.py

@@ -1,4 +1,4 @@
-from sqlalchemy import Column, Integer, String
+from sqlalchemy import Column, DateTime, Integer, String
 from database.database import Base
 
 class User(Base):
@@ -18,3 +18,14 @@ class Document(Base):
     document_type = Column(String)
     meeting_date  = Column(String, nullable=True)
     pdf_url       = Column(String, unique=True)
+
+class ScraperRun(Base):
+    """Une exécution de scraper, déclenchée depuis la page admin ou par le cron."""
+    __tablename__ = "scraper_runs"
+    id              = Column(Integer, primary_key=True, index=True)
+    source          = Column(String, index=True)          # CIR | SCCS
+    status          = Column(String, default="pending")   # pending | running | success | error
+    started_at      = Column(DateTime(timezone=True))
+    finished_at     = Column(DateTime(timezone=True), nullable=True)
+    documents_added = Column(Integer, default=0)
+    message         = Column(String, nullable=True)